轮毂电机驱动电动汽车差动转向路径跟踪控制研究文献综述

文献综述（或调研报告）：

随着新能源汽车的发展，在电动汽车诸多电力驱动系统型式中，采用轮毂电机驱动的动力系统结构型式在正日益成为发展方向[1]。其中电动汽车的特殊结构使得差动转向助力能够以较低成本实现性能更好的行车系统。而差动驱动辅助转向系统，因具有更好的控制冗余和灵活性等优点，可以获得更高的操控性、稳定性和主动安全性，已成为全球新兴的研究热点[2]。

差动助力转向系统（Differential drive assisted steering，简称DDAS）是一种新兴的电动汽车转向机构，由左右轮之间的差动转矩产生[3]。在[4]中，作者提出了差动驱动扭矩辅助转向措施，并验证其辅助转向和道路保持性能。而[5]中的Fen Wu教授团队就已经将差动驱动器作为转向动力以降低驾驶员的转向力，并且使用差动驱动器机构来研究车辆的横摆稳定性。

对于差动转向模型的运动学模型和动力学模型，国内对于差动转向模型的建立有了一定的研究基础，选取其中较为有代表性的建模方式。在[6]中，西南大学的邱恒浪首先对最常用的典型前轮差速驱动转向模型进行分析，采用Ackermann-Jeantand转向模型分析四轮的转速，并且得到不同轮的转弯半径。接着考虑到减小转向半径，使车辆在转向过程中变得更加灵活的要求，通过在Ackermann-Jeantand转向模型的基础上建立前后轮反向差动差速转向模型，减小了转向半径。在建立动力学模型时，由于整车模型通常有6个自由度，分别为纵向、横向、垂直的平移运动和绕三个垂直轴的转向运动。但是在考虑差速转向的情况下，可以忽略车辆行驶过程中的垂直运动、俯仰运动和侧倾运动，此时车辆运动模型只剩下沿x轴的纵向平移运动、沿y轴的横向平移运动和绕z轴的横摆运动，故邱恒浪建立了三自由度车辆运动模型。这种建模方法，将需要考虑的自由度提出，通过简化不关键的自由度大大简化了计算需求，相比于保留多种自由度的建模形式，这种差动转向建模方式更加值得我们参考学习。

在保证驾驶安全的前提下，差动转向系统的核心就是控制算法，即针对于轨迹跟踪问题的数学表达，在文献[7]中，东南大学的景晖博士提出了一种基于输出反馈理论的差动转向系统鲁棒控制算法，景晖博士考虑了差动转向模型中部分状态量的期望值无法获取和车辆状态参数的不确定对控制性能的影响。将轮胎的侧偏刚度作为不确定度来分析，将车辆的时变速度考虑到建模当中，设计了上下分层的控制器，上层控制器通过横摆角速度的误差值来产生期望的横摆力矩；下层控制器负责将横摆力矩转化为轮毂电机的扭矩来驱动车辆前进和转向。通过转化为线性矩阵不等式(LMI)问题，求解获得控制器矩阵实现控制。这种不确定度分析，上下双层控制器设计和将控制其设计问题转化为线性矩阵不等式问题的思路值得我们参考。

现有研究表明，用于共享转向任务的触觉引导系统已经在正常驾驶任务期间支持和引导驾驶员进行了有效验证[8]。结果表明，驾驶员和辅助系统共享转向任务时，带有驾驶员模型的控制框架可以使得控制性能更好。在文献[10]中，Chouki Sentouh教授将系统的感知与鲁棒控制相结合，建立了人机共享的智能车辆保持辅助系统，通过将驾驶员信息考虑到控制器的设计当中，通过线性矩阵不等式优化搭建了人机回环模型，实现了共享控制的设计。而文献[11]中Anh-Tu Nguyen博士后通过基于Takagi-Sugeno的模糊控制方法来处理时变的驾驶员活动参数以及车速，通过使用Lyapunov参数来利用鲁棒不变集的概念处理系统状态和控制输入限制，最终提出了一种提高驾驶员安全性和舒适性的人机协同共享转向控制方案，并且在SHERPA驾驶模拟器上进行了一系列实验来验证所提出的共享控制器的实际性能。而Ercan Z团队[12]则整合了驾驶员的神经肌肉动力学到辅助系统中来考虑人机交互共享控制，考虑了驾驶员对引导扭矩的相应和引导扭矩之间的相互作用动力学，通过使用MPC控制来实现辅助转向系统。该团队还在[13]中设计了一种驾驶员在环的转向模型建模，提出了一种驾驶员具有最终控制权限的人机共享转向辅助控制系统。Mars F团队在[14]中，通过研究共享控制的矛盾点来考虑人机交互的最佳平衡，分为两大矛盾：一是转矩大小的限制，因为以性能指标为目标，会改善车道保持，但是会让出现让驾驶员感到不适合反复的瞬态干扰，如果以舒适性能为目标，则辅助系统提供的转矩会过小，向驾驶员提供的触觉过小，几乎无效；二是视觉上的矛盾，两点视觉，远点可以平稳转向但是会导致横向偏移，近点单点会导致转向控制不稳定但仍然可以实现车道保持。且当能见度降低时，人机共享辅助转向系统的权限还会出现矛盾。Mars F团队确定了适应的转矩通过遮挡技术，确定了共享控制的视觉需求减少问题与触觉反馈量大小之间的关系。人机共享的控制理念，增强了安全性，同时也考虑了驾驶员的驾驶舒适性，其中将驾驶员模型考虑到控制回环的思路非常具有参考意义。在文献[15]中，Schnelle S教授设计了一种个性化生成路径的驾驶员转向模型，通过预测人类驾驶行为并区分不同的驾驶员视线个性化路径的生成，其中的人类驾驶员测试数据通过驾驶模拟器收集。同时一种基于多扰动观测器的CNF控制系统的差动转向方法则由文献[16]提出。

以鲁棒控制转向系统为研究方向的研究成果中，东南大学的王金湘教授[17]则考虑了驾驶员特征（包括驾驶员延迟时间、预测时间和转向比利增益）的不确定性，通过将多目标Hinfin;鲁棒控制转化为单目标控制的方法，结合线性矩阵不等式来实现控制，所提出的模型采用了单点预瞄法，实现了将缺乏经验的新手驾驶员的行车状况改善至接近经验丰富的熟练驾驶员的优化目标。在文献[18]中，王金湘教授将不确定度设计为前后轮的侧偏刚度，通过线性矩阵不等式来设计输出反馈鲁棒控制器实现前轮的主动转向。通过Matlab/Simulink/Carsim联合仿真表明所提出的前轮主动转向鲁棒控制器能够显著改善车辆的横向操纵性能和稳定性。东南大学王金湘教授的这两种鲁棒控制的设计思路，非常值得我们学习参考。